在當下的企業管理中，由於數據量的激增，管理方式逐漸從基於經驗轉向基於數據。在此過程中，我們能夠通過數據探查業務情況、分析數據，從而獲取更優的決策支持數據。這通常通過數據報表或分析平臺來實現，對於臨時性場景，則會基於日常取數方式進行臨時數據分析。 但在此過程中，由於數據源的多樣性、數據結果呈現的多樣性 ...
在當下的企業管理中，由於數據量的激增，管理方式逐漸從基於經驗轉向基於數據。在此過程中，我們能夠通過數據探查業務情況、分析數據，從而獲取更優的決策支持數據。這通常通過數據報表或分析平臺來實現，對於臨時性場景，則會基於日常取數方式進行臨時數據分析。
但在此過程中，由於數據源的多樣性、數據結果呈現的多樣性以及需求提出時間的不一致，導致出現了諸如指標管理不統一、口徑不一致、流程不規範等管理問題。例如不同部門核對指標數據時口徑和結果不一致，使大家對數據真實性產生質疑，進而影響業務決策。
指標平臺的出現，正是為了應對上述挑戰，其目標在於統一指標管理，規範數據流程，確保數據決策的有效性與一致性。通過指標平臺，企業得以剋服指標管理的痛點，實現數據價值的最大化，保障數據準確無誤，促進業務發展。
指標平臺的業務價值與在數倉中的定位
傳統數倉建設的基本架構，從數據源同步、數據清洗、數據聚合、至數據服務化，每個環節都承載著特定功能。數倉從數據源同步至ODS層，再到DWD、DWS和ADS層的數據處理流程。重點在於上層數據（DWS和ADS）對業務決策的影響，它們直接關聯著業務決策的依據。
指標平臺通過優化上層數據處理，實現指標的標準化管理和數據的統一性，強化了數據決策的質量。在這個過程中，ODS 和 DWD 層數據與業務弱相關，指標需求和取數更多來自 ADS 和 DWS 層，問題也主要出現在這兩層，所以指標管理主要解決這兩層的問題，確保數據統一規範，方便獲取準確結果。
如何通過指標平臺實現指標的定義與計算
指標平臺集成了數據源管理、數據模型構建、指標定義、審批流程、運維調度、許可權控制、數據查詢及異常監控等功能，形成了一套完備的指標管理體系。
數據源管理包括維度和事實表管理，在此基礎上生成數據模型，進而生成指標，同時涉及指標目錄、學員版本管理、原數據管理等管理內容，還包括指標發佈下線及審批流程以保證規範。
配置好指標內容後，涉及數據運維中心，通過自研的分散式調度引擎進行周期性或臨時的補數據調度，保證及時獲取數據結果，並對調度結果進行監控。
數據應用方麵包括許可權管控、數據查詢、結果查看等，還可通過指標市場進行指標查詢與管理，通過原數據查詢指標，查看熱門查詢瞭解指標使用熱度。
面向業務層，有自助取數方式，可將關註數據保存生成指標看板，平臺能進行異動監測和歸因分析，還可通過指標門戶、API 方式對接上游應用系統或 BI 平臺。在此基礎上，可通過 AI 智能分析輔助企業經營決策。
指標開發的整體過程，包括開發和日常運維兩部分。首先有一個數據源，基於此進行指標邏輯計算，進行指標任務開發和結果落地，之後是數據結果的周期性調度和日常運維，保證計算任務穩定輸出。
重點講一下指標定義的語義化定義，包括數據源準備、指標模型、指標語義化定義和指標結果落表。數據源分為維度表和事實表，基於此又產生四種表類型。基於數據源生成指標模型，包括維度管理和數據模型，數據模型實際使用中建議採用星型模型。定義好指標模型後，對指標計算口徑進行語義化定義，指標分為原子指標、派生指標和複合指標。對於生成的結果涉及表欄位生成，包括業務日期、維度、指標、更新周期。
通過語義化定義，平臺簡化了指標構建過程，包括數據源準備、模型構建、指標定義和結果落表。此外，平臺內置的AI智能分析功能進一步提升了數據洞察力，為決策者提供了更多有價值的信息。
《行業指標體系白皮書》下載地址：https://www.dtstack.com/resources/1057?src=szsm
《數棧產品白皮書》下載地址：https://www.dtstack.com/resources/1004?src=szsm
《數據治理行業實踐白皮書》下載地址：https://www.dtstack.com/resources/1001?src=szsm
想瞭解或咨詢更多有關大數據產品、行業解決方案、客戶案例的朋友，瀏覽袋鼠雲官網：https://www.dtstack.com/?src=szbky
